不会的查一查

1.torch.optim.Adam(parameters, lr)什么含义

已知parameters代表每个神经网络的参数矩阵，lr代表学习率

2.pytorch 常用的 loss function

nn.L1Loss

nn.MSELoss()

nn.BCELoss()

nn.CrossEntropyLoss

该函数用于多分类，不需要加softmax层

BCELoss是二分类使用的交叉熵，用之前需要在该层前面加上Sigmoid函数。

pytorch 常用的 loss functionhttps://blog.csdn.net/f156207495/article/details/88658009?msclkid=06e05464c27911ec9b8a17769c0b7d6a

3. 有个很无语的事，测试集和标签都是按顺序的没有打乱，结果测试集和验证集没有重合的标签，然后验证集的标签一个都没预测出来，准确率是0，服了自己了。所以大家分数据集的时候一定不要忘记shuffle 

4. Binary Cross-Entropy 作为损失函数能够度量分类的准确性。降低loss的过程就使得

• y=1的样本，得到的预测概率p(y)变大
• y=0的样本，得到的预测概率p(y)变小